清析智研王欢,大模型学完人类知识后,下一步是进入物理世界创造新知识

清析智研联合创始人王欢指出,当前大模型已基本掌握人类既有知识库,但科学探索需突破“已有”边界。AI for Science 的下一轮 Scaling 将发生在物理世界——通过接入科研仪器与产线设备,构...

人工智能 阅读量: 2.09万

当大语言模型能够流畅撰写论文、生成代码、合成视频,甚至模拟专家推理时,一个更本质的问题浮出水面:AI 是否仍停留在对人类已有知识的复现与重组阶段?清华大学工学博士、清析智研联合创始人兼首席科学家王欢在Y-Talk直播中明确指出,大模型当前的能力边界在于“数字空间”,而真正的突破将来自对物理世界的深度介入。

王欢强调,现有大模型的核心优势是高效吸收和整合人类已产出的文本、图像与结构化数据——从学术论文到维基百科,从代码仓库到社交媒体内容。这一能力使其在信息检索、内容生成、逻辑推理等任务中表现卓越。但“已有知识”本身构成了一道隐形天花板:对于尚未被总结、未被观测、甚至尚未被提出的问题,模型缺乏独立探索路径。

这正是AI for Science(AI4S)面临的关键挑战与机遇所在。不同于通用大模型聚焦于“理解与表达”,AI4S的核心目标是“发现与创造”。王欢认为,下一轮Scaling不会继续依赖参数量或训练数据规模的线性增长,而是转向构建“模型—仪器—实验室—产线”协同演化的物理闭环系统。

具体而言,该闭环包含三个关键环节:第一,将AI原生能力嵌入科研仪器,使设备具备实时感知、自主决策与反馈学习能力;第二,推动实验流程自动化与标准化,形成高通量、低误差的“假设—实验—验证—学习”循环;第三,让模型持续从真实物理结果中获取新数据,反哺自身认知边界拓展。

文章配图

“仪器与设备,正好构成AI理解物理世界的感官与双手。”王欢解释道。传统科研依赖人工设计实验、手动采集数据、经验性分析结果,周期长、成本高、通量低。而AI原生实验系统可实现毫秒级策略调整、千级并行实验执行,并在失败中快速迭代——例如,在材料研发中,AI可基于少量初始数据预测候选结构,驱动机器人合成装置批量制备,再通过光谱、电镜等在线表征即时反馈,形成闭环优化。

清析智研目前已在其四大产品线中落地该理念:从CLERISM/CLEARDISCOVER的模拟计算与逆向设计,到CLERLAB的自主制备实验室;从CLEERSIGHT的自动材料表征分析,再到PROCESS TOOLS的AI驱动工艺优化。据其公开资料,该体系已在成分设计效率提升20倍以上、样品制备通量提高70%、分析准确率提升90%、综合成本降低90%等方面取得实测成果。

值得注意的是,王欢特别区分了“AI辅助科研”与“AI原生科研”的本质差异。前者是工具增强,如用LLM润色论文或检索文献;后者则是范式重构——AI作为主体参与科学假设生成、实验方案制定乃至意外现象的识别与解释。他举例称,在某些材料筛选任务中,AI曾提出人类专家从未考虑过的元素组合路径,并在实验验证中成功获得具有超导潜力的新相结构。“这不是优化,而是创造。”

这一转向也重塑了科研与创业的关系。王欢坦言,过去十年科研与创业常被视为两条平行轨道:高校追求理论突破,企业专注产品落地。但硬科技创业兴起后,二者正加速融合。科学家创业者不再需要在“发顶刊”与“做产品”间二选一,而是通过公司平台将前沿探索直接转化为可验证的技术路径与产业接口。“创业现在慢慢变成:既可以思考新科学问题的探索,也可以思考如何将其转化为社会价值。”

清析智研四大AI产品线覆盖材料研发+生产全流程

行业层面看,AI4S尚处早期爆发前夜。相比AIGC领域已形成的成熟应用生态,科学智能仍受限于高质量实验数据稀缺、跨模态对齐困难、物理规律约束强等瓶颈。但头部机构已开始布局底层基础设施:DeepMind的GNoME项目通过图神经网络预测220万种稳定晶体结构;MIT的AI-Driven Lab实现全自动化学合成;国内多家初创企业正推动国产高通量实验平台标准化。

王欢判断,未来3–5年,AI4S的竞争焦点将不再是模型架构本身,而是“连接物理世界入口”的能力密度——即单位成本下可调度的实验通量、可接入的仪器类型、可闭环验证的科学问题广度。谁能在材料、能源、生物医药等关键领域率先建成“AI原生实验室网络”,谁就掌握了将未知转化为知识、再将知识转化为产业价值的加速器。

这种转变也对科研人才培养提出新要求。传统训练强调单一学科深度,而AI4S需要复合型人才:既懂领域科学原理,又掌握数据建模与系统集成能力;既能设计实验,也能解读模型输出中的异常信号。清析智研内部已建立“科学家+工程师+自动化专家”混编团队,以确保技术路线不脱离真实科研语境。

归根结底,大模型学完人类知识只是起点。真正的智能跃迁,发生在它开始主动提问、动手验证、并在失败中自我修正的那一刻。当AI不仅能回答“已知是什么”,还能探索“未知可能是什么”,科学的边界才真正开始延展。